无题一

闲来无事,故地重游,得知故人曾将唱和旧句整理成篇,存之为无题一

 

暗香 西府海棠

蛰鸣蛙噪,算几番伴我,不肯将息?
白云苍狗,一网空阔任流离。
漫看人来人往,总不如,曾经悲喜。
但问他,作别久矣,秋气可相宜?

忧容,犹历历。
说沉魂难唤,怅惘无极。
浮生苦寂,鸳俦雁侣终不弃。
何如曾携手处,夜深沉,人香灯谧。
愿时时得见也,莫相回避。


和西府海棠

暗香疏影,守空谷冰天,深怀谁诉?
水穷云起,一任粗狂闻心曲。
何谓相逢相惜,应识得,风流楚楚。
就从此,飞花逐月,随君步亦步?

良苦,莫能助。
叹落花流水,人间无数。
天公无故,颠缘倒份安如许。
羡鱼不如结网,教相逢,金风玉露。
此心殷勤何为?茫茫四顾。


永遇乐 西府海棠

抱残缺,几番向隅,长有清风眷顾。
文采精华足风流,何况柔肠侠骨。
感君助,早信它,天涯芳草逢跬步。
或曾反复,怕满城飞沙,千山落木,更兼锦书误。

煮酒际,大略雄才倾吐。欣闻小荷初露。
未妨深情都错付,谁夺青春抱负?
君先路,请相接,万里归魂银河渡。
华年共祝。明日便春风,一场丝雨,开遍海棠树。


江城子·听古曲《望江南》 西府海棠
  
悠悠弹抚透春凉,漫思量,未成章。
若有瑶琴,着手赋霓裳。
莫道蓬头人不识,有衷肠,慰孤芳。

几回旧地觅幽香,柳丝长,夜未央。
却问西湖,又换何许妆?
一卷书辞都不寄,恐风尘,入清商。


和西府海棠

谁堪寂寂对韶光?月昏黄,夜茫茫。
孤枕惟期,有梦伴凄凉。
守得天明气更短,无所事,在他乡。

人生十九是沧桑!早心伤,又颓唐。
窘步穷途,回首故园荒。
却唤青天听我笑,些许苦,只寻常。


忆秦娥 西府海棠

东风烈,
柳生负剑行吴越。
行吴越,
一腔热血,
谁成功业?

少年一梦今何觉,
闲来只对他乡月。
他乡月,
恒娥不语,
无尽关切。


和西府海棠

心如铁,
刘郎怀抱千秋业。
千秋业,
谁安苟且,
就辞激烈?

势孤敢问东风借,
时来忍向佳期别。
佳期别,
层楼再上,
直揽明月!

 

浪淘沙·再听古曲《望江南》 西府海棠

一度望江南,暮雪千山。
古音犹似雪音寒。
未若亭台花月好,但感知怜。

秋意已阑珊,一去无还。
浮生各自爱新欢。
多少落寞多少误,换此缠绵。  

OpenCV(Open Source Computer Vision Library)是个开源的计算机视觉和机器学习软件库,广泛应用于图像处理、计算机视觉和模式识别等领域。物体识别是OpenCV的个重要应用场景,以下是些常见的物体识别方法和技术: 1. **特征提取与匹配**: - **SIFT(尺度不变特征变换)**和**SURF(加速稳健特征)**:这些算法用于检测和描述局部特征,能够在图像中识别出相同的物体,即使它们的大小、旋转或光照条件发生变化。 - **ORB(定向快速旋转BRIEF)**:种快速的特征检测和描述算法,适用于实时应用。 2. **模板匹配**: - 通过在图像中滑动个模板(已知物体的图像),并计算模板与图像区域的相似度,来找到物体的位置。 3. **机器学习与深度学习**: - **支持向量机(SVM)**:用于分类和回归分析,可以用于物体识别任务。 - **卷积神经网络(CNN)**:深度学习模型,特别适合处理图像数据,能够自动学习图像的特征并进行分类。 4. **目标检测算法**: - **Haar级联分类器**:基于积分图和AdaBoost算法,用于实时人脸检测。 - **YOLO(You Only Look Once)**和**SSD(Single Shot MultiBox Detector)**:实时目标检测算法,能够在单次前向传播中同时进行目标定位和分类。 5. **实例分割**: - **Mask R-CNN**:在目标检测的基础上,进步分割出目标的精确轮廓。 OpenCV提供了丰富的API和工具,可以方便地实现上述方法。以下是个简单的示例代码,展示如何使用OpenCV进行模板匹配: ```python import cv2 import numpy as np # 读取原始图像和模板图像 original_image = cv2.imread('original_image.jpg') template = cv2.imread('template.jpg') template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY) w, h = template_gray.shape[::-1] # 转换为灰度图 gray_original = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY) # 模板匹配 result = cv2.matchTemplate(gray_original, template_gray, cv2.TM_CCOEFF_NORMED) threshold = 0.8 loc = np.where(result >= threshold) # 绘制矩形框 for pt in zip(*loc[::-1]): cv2.rectangle(original_image, pt, (pt[0] + w, pt[1] + h), (0, 255, 255), 2) # 显示结果 cv2.imshow('Detected', original_image) cv2.waitKey(0) cv2.destroyAllWindows() ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值